NTTデータのDXとは？｜止められない社会インフラにAI・クラウドを組み込む仕組み

公開情報から読み解く企業DX分析レポート

2026年7月12日 06:11

DXやAI活用というと、どうしても華やかな事例に目が向きます。

生成AIで業務を自動化する。
AIエージェントで問い合わせ対応を変える。
クラウドでデータ基盤を作る。
アプリで顧客体験を変える。

もちろん、それらは重要です。

ただ、企業や社会を支えるシステムには、もっと地味で、もっと難しい領域があります。

それは、止められないシステムを、どう進化させるか です。

金融機関の決済システム。
行政サービスの基盤。
通信・交通・医療・流通を支えるシステム。
大企業の基幹業務システム。
グローバル企業のITインフラ。

これらは、簡単には止められません。

今回取り上げる NTTデータ は、まさにこの領域でDXを実装している会社です。

単なるシステム開発会社ではなく、社会インフラや企業の基幹システムを支えながら、クラウド、データ、AI、生成AI、AIエージェントをどう安全に組み込むか。

ここが、NTTデータを見るうえで面白いポイントです。

NTTデータをDXで見るポイント

NTTデータのDXを見るうえで、注目したいポイントは次の5つです。

1. 金融・公共・法人など、ミッションクリティカルな領域に強い
2. 生成AIをPoCで終わらせず、業務成果につなげようとしている
3. Smart AI Agent™ でAIエージェントを業界別に実装しようとしている
4. クラウド・データセンター・AI基盤まで含めたインフラを持つ
5. グローバルでDX・AIサービスを展開している

NTTデータは、グローバルにITサービスとコンサルティングを提供する企業です。AI領域では、生成AIコンサルティング、AI導入支援、責任あるAI、トレーニング、チェンジマネジメントまで含めたサービスを展開しています。

また、2025年には Smart AI Agent™ を発表し、業界特化型のAIエージェントソリューションをエンドツーエンドで支援する構想を示しています。NTTデータは、RPAボットを知的エージェントへ変えるプラグイン型ソリューションや、OpenAI Center of Excellence設立にも言及しています。

このあたりを見ると、NTTデータのDXは単なるIT導入ではなく、既存の業務システムや社会インフラにAIをどう組み込むか というテーマに近いと分かります。

この事例の本質は「信頼できるDX実装」

NTTデータの特徴は、派手なフロントアプリよりも、信頼性が求められる領域に強いことです。

金融。
公共。
医療。
流通。
製造。
通信。
グローバル企業の基幹システム。

こうした領域では、DXを進めるにも制約が多いです。

・止められない
・間違えられない
・個人情報や機密情報を扱う
・規制対応が必要
・既存システムが複雑
・業務プロセスが長年積み上がっている
・一気に置き換えられない

この環境でAIやクラウドを入れるのは簡単ではありません。

スタートアップのように、ゼロから新しいシステムを作れるわけではない。
現場で動いている基幹システムを止められない。
レガシーシステム、監査、セキュリティ、運用、業務ルールを全部考えなければいけない。

だから、NTTデータのDXは、

新しい技術を入れること

というより、

止められない業務を守りながら、新しい技術を実装すること

だと思います。

ここが、NTTデータの一番面白いところです。

生成AIは「PoCの壁」を越えられるか

生成AIは多くの企業で試されています。

しかし、よくある課題は、PoCで止まることです。

試してみると便利。
デモではすごい。
一部業務では使えそう。
でも、本番業務に入らない。
PLインパクトが見えない。
ガバナンスが不安。
既存システムとつながらない。

NTTデータ自身も、生成AIについて「PoCの壁」を越えて真の成果につなげることを課題として語っています。2025年のNTTデータの記事では、同社がグローバルで2,000件を超える生成AI支援事例を持ち、自社のソフトウェア開発業務でも全工程で生成AI活用を進めていると説明されています。

ここはかなり重要です。

生成AIで本当に価値を出すには、単にチャットボットを作るだけでは足りません。

・どの業務に入れるのか
・どのデータを使うのか
・回答根拠をどう示すのか
・人がどこで確認するのか
・既存システムとどう連携するのか
・権限管理をどうするのか
・効果をどのKPIで測るのか

ここまで設計しないと、PoCで終わります。

NTTデータのようなSIerが生成AIで価値を出すなら、モデルそのものよりも、業務システムに安全に組み込む力 が重要になります。

Smart AI Agent™ で見る「AIエージェントの業界実装」

NTTデータは2025年1月、Smart AI Agent™ を発表しました。発表では、生成AI導入を加速し、業務効率を高め、人材不足に対応する次世代AIツールとして位置づけています。また、2027年までにSmart AI Agent™ 関連で20億ドルの売上を目指すことも示されています。

さらに2025年5月には、Smart AI Agent™ エコシステムを発表し、業界特化型ソリューション、アドバイザリーからエージェント管理までのエンドツーエンド支援、RPAボットを知的エージェントに変える仕組みなどを打ち出しています。

これは、企業DXの流れとしてかなり面白いです。

これまでの業務自動化は、RPAが中心でした。

定型画面操作を自動化する
決まった手順を実行する
ルール通りに処理する

しかし、AIエージェントになると、もう少し複雑なことが期待されます。

情報を探す
状況を判断する
複数システムをまたぐ
例外処理を支援する
人に確認を求める
業務手順を改善する

つまり、NTTデータのSmart AI Agent™ は、RPAの延長ではなく、業務自動化をより知的にする取り組み と見ることができます。

AIエージェントは「業務を知っている会社」が強い

AIエージェントの導入では、AIモデルの性能だけでは勝てません。

重要なのは、業務をどれだけ理解しているかです。

金融の業務。
公共の業務。
保険の業務。
製造の業務。
流通の業務。
医療の業務。
バックオフィスの業務。

それぞれルールが違います。

たとえば、金融業務では正確性、監査、説明責任が重要です。
公共業務では公平性、個人情報、制度対応が重要です。
製造業では現場データ、品質、設備、サプライチェーンとの連携が重要です。

AIエージェントを導入するには、単に「AIが賢い」だけでは足りません。

・業務プロセスを理解する
・例外処理を理解する
・権限を理解する
・監査ログを残す
・人の確認ポイントを設計する
・既存システムと連携する

必要があります。

NTTデータは、長年ミッションクリティカルな業務システムを作ってきた会社です。

だから、AIエージェント時代には、単なるAIベンダーではなく、業務実装パートナー としての価値が出やすいと思います。

データセンター・クラウド・AI基盤も重要になる

NTTデータを見るうえで、もう一つ重要なのがデジタルインフラです。

2026年4月、NTT DATAは京都・奈良・大阪に近い「けいはんなデータセンター」を開設しました。発表では、日本でクラウド採用、AIワークロード、企業のモダナイゼーション需要が加速しており、同施設は20か国以上・160以上のデータセンターを持つNTT Global Data Centersのグローバルプラットフォームの一部だと説明されています。

これは、DXの裏側としてかなり重要です。

AIやクラウドを使うには、データセンターが必要です。

特に企業向けAIでは、

・データをどこに置くか
・処理をどこで行うか
・災害時にどう継続するか
・セキュリティをどう担保するか
・グローバル拠点でどう使うか
・AIワークロードをどう支えるか

が重要になります。

DXはアプリだけではありません。

クラウド、ネットワーク、データセンター、セキュリティ、運用まで含めたインフラが必要です。

NTTデータは、このインフラ側にも強みを持っている点が特徴です。

Technology Foresightで見る「先読みするSIer」

NTTデータは毎年、Technology Foresightを公開しています。

2025年版では、「AIと人間の知能のシームレスな融合」「先読みするセキュリティ」などが示され、クラウドコンピューティング、AI、人間の認知能力の統合が進む方向性が語られています。

これは、NTTデータのような企業にとって重要です。

なぜなら、SIerは顧客のシステムを作るだけでなく、数年先の技術変化を見越して提案しなければいけないからです。

基幹システムは、一度作ると長く使われます。
公共・金融・大企業向けのシステムは、短期で入れ替えられません。

だから、今の要件だけでなく、

数年後にAIがどう使われるか
クラウドとオンプレはどう組み合わせるか
セキュリティ脅威はどう変わるか
データガバナンスはどう厳しくなるか
AIエージェントはどこまで業務に入るか

を考える必要があります。

NTTデータのDXは、現在の実装だけでなく、将来を見据えた技術選定も重要になります。

NTTデータ型DXの本質は「レガシーと先端技術の橋渡し」

NTTデータのDXを一言でいうなら、

レガシーと先端技術の橋渡し

だと思います。

企業や社会には、すでに動いている巨大なシステムがあります。

金融システム
行政システム
基幹業務システム
物流システム
医療システム
顧客管理システム
販売管理システム
生産管理システム

これらは急には捨てられません。

一方で、クラウド、生成AI、AIエージェント、データ基盤、ゼロトラスト、モダナイゼーションは必要になります。

このギャップを埋めるのが、NTTデータのような企業の役割です。

つまり、NTTデータのDXは、

古いものを全部捨てる

ではなく、

既存システムを活かしながら、AI時代に対応できる形へ変える

ことだと思います。

利用データ

NTTデータ型DXで扱うデータは、業界によってかなり広いです。

・金融取引データ
・決済データ
・行政手続きデータ
・顧客情報
・契約情報
・業務プロセスログ
・システムログ
・問い合わせ履歴
・文書データ
・帳票データ
・販売データ
・在庫データ
・生産データ
・医療・ヘルスケア関連データ
・セキュリティログ

ここで重要なのは、データ量ではありません。

重要なのは、

正確性
秘匿性
権限管理
監査可能性
鮮度
システム間連携
業務文脈

です。

NTTデータが扱う領域では、データのミスが大きな問題につながります。

生成AIやAIエージェントを使う場合でも、誰がどの情報にアクセスできるか、回答根拠を追えるか、ログを残せるかが重要になります。

効果・KPI

NTTデータ型DXで見るべきKPIは、単なるAI利用率ではありません。

業務ごとに、次のようなKPIが重要になります。

・業務処理時間
・システム運用工数
・問い合わせ対応時間
・障害対応時間
・開発リードタイム
・テスト工数
・リリース頻度
・運用自動化率
・セキュリティインシデント検知時間
・データ連携処理時間
・クラウド移行率
・基幹システムの可用性
・AI回答の正答率
・AIエージェントの処理完了率

ただし、NTTデータのような企業では、もう一つ重要なKPIがあります。

それは、

安全に変えられたか

です。

DXは変化です。
しかし、止められないシステムでは、変化そのものがリスクになります。

だから、

業務を止めずに移行できたか
セキュリティを担保できたか
監査に耐えられるか
既存運用と整合するか
ユーザーに混乱を与えないか

も重要な評価軸になります。

成功要因

NTTデータ型DXを成功させるには、次の条件が重要です。

1. 業務理解が深いこと
2. 既存システムを理解していること
3. AIやクラウドを安全に組み込めること
4. セキュリティとガバナンスを設計できること
5. グローバルな運用・データセンター・クラウド基盤を持つこと

特に重要なのは、業務理解です。

AIやクラウドの技術だけでは、基幹業務は変えられません。

どの業務が重要か。
どこに例外処理があるか。
どこで人の確認が必要か。
どのデータが正であるべきか。
どこで監査ログが必要か。
どのシステムと連携するか。

ここを理解していないと、DXは失敗します。

導入障壁・失敗リスク

一方で、NTTデータ型DXには難しさもあります。

・既存システムが複雑すぎる
・レガシーシステムの仕様が属人化している
・クラウド移行のリスクが大きい
・AI導入の効果が見えにくい
・ガバナンスが重く、現場利用が進まない
・大規模プロジェクト化してスピードが落ちる
・ベンダー依存が強くなる
・AIエージェントの誤動作リスクがある
・セキュリティ要件が厳しく、実装が遅れる

特に注意したいのは、DXが大規模システム刷新だけになること です。

もちろん、基幹システム刷新は重要です。

しかし、それだけでは現場の業務価値が見えにくいことがあります。

本来は、大きな基盤整備と並行して、

問い合わせ対応の効率化
運用アラート対応の自動化
文書検索の高度化
開発・テスト工数削減
審査・チェック業務の支援
データ連携の自動化

のように、現場が効果を感じられるテーマも進める必要があります。

他社が応用するなら何が必要か

NTTデータのようなDXの考え方は、特に次のような企業に参考になります。

・基幹システムが古くなっている
・クラウド化したいが業務停止リスクが高い
・生成AIを試したがPoCで止まっている
・RPAが増えすぎて管理が難しい
・社内データが分断されている
・運用負荷が高い
・公共性や監査性が求められる
・グローバルでシステム標準化したい

最初に取り組むなら、次のようなテーマが現実的です。

・社内文書検索AI
・問い合わせ対応支援
・システム運用のAIエージェント化
・RPAの棚卸しとAIエージェント化
・開発・テスト工程の生成AI活用
・基幹システムのクラウド移行計画
・データ連携基盤の整備
・セキュリティログ分析

重要なのは、いきなり全社変革を狙わないことです。

まずは、業務価値が見えやすく、リスクが管理できる領域から始める。

そこで、AIの使い方、ガバナンス、データ管理、運用ルールを作る。

その後、横展開する。

この順番が現実的です。

実務者向けの示唆

NTTデータのDXから、実務者が学べることは多いです。

1. DXは、止められない業務をどう変えるかが難しい

新しいアプリを作ることは比較的簡単です。

難しいのは、既に動いている重要システムを止めずに変えることです。

金融、公共、基幹業務では、この視点が非常に重要です。

2. 生成AIは、業務システムに組み込んで初めて価値が出る

チャットボット単体では、効果が限定的です。

本当に価値を出すには、社内データ、業務フロー、既存システム、権限管理、監査ログとつなげる必要があります。

3. AIエージェントは、業務理解がないと危ない

AIエージェントは便利ですが、業務ルールを理解せずに動かすとリスクがあります。

人が確認すべきポイント、権限、例外処理、監査ログを設計することが重要です。

4. SIerの価値は「作る」から「安全に変える」へ移る

AI時代には、単にシステムを作るだけでは価値が出にくくなります。

重要なのは、既存システムを理解し、業務を止めずに、AIやクラウドを安全に組み込む力です。

NTTデータは、この領域に強みがある会社だと思います。

まとめ：NTTデータのDXは「社会インフラをAI時代に進化させる取り組み」として見ると面白い

NTTデータのDXは、単なるSIやシステム開発として見ると少し狭いです。

より本質的には、社会インフラや企業の基幹システムを、AI時代に進化させる取り組み として見ると面白いです。

金融・公共・法人のミッションクリティカルな業務を支える。
生成AIをPoCで終わらせず、業務成果につなげる。
Smart AI Agent™ でRPAや業務自動化を知的に進化させる。
データセンターやクラウド基盤でAIワークロードを支える。
Technology Foresightで先を読み、顧客のシステムを長期的に変えていく。

これらは別々の取り組みに見えますが、共通しているのは、

止められない業務を守りながら、
AI・クラウド・データで進化させる

という方向性です。

DXは、華やかなアプリだけではありません。

本当に難しいのは、社会や企業を支える重要システムを、安全に、確実に、少しずつ進化させることです。

その意味で、NTTデータはAI時代のDXを考えるうえで、非常に学びが多い企業だと思います。

あわせて読みたい本

NTTデータのDXを理解するには、生成AIだけでなく、基幹システム、クラウド、SIer、ITサービス、システム運用、データガバナンスの視点を押さえると読みやすくなります。

※本記事にはアフィリエイトリンクを含む場合があります。

1. DX・基幹システム刷新を学ぶ本

📘 『スマートワークを実現するエンタープライズアーキテクチャ理論と実践』中村祥著

DXを、便利なアプリや新しいAIツールの導入だけで終わらせず、企業全体の業務、データ、システム、ネットワーク、セキュリティをどう設計し直すか。その全体像を学べる一冊です。

エンタープライズアーキテクチャとは、企業の業務とITを部分最適ではなく、全体の設計図として捉える考え方です。

本書では、複雑化したIT資産、基幹システムを中心とした構成から分散型アーキテクチャへの変化、ITガバナンス、データ活用、クラウド、ネットワーク、セキュリティなどが体系的に整理されています。MUFGにおける実践例も扱われており、大企業のDXを読み解く補助線として使いやすい内容です。

NTTデータが手掛けるDXを、単なるシステム開発ではなく、企業や社会インフラ全体を再設計する仕事として理解したい人におすすめです。

2. 生成AI・AIエージェントの企業活用を学ぶ本

📕 『生成AI時代の価値のつくりかた――実践者のマインド、スキル、データ、ユースケース』

生成AIやAIエージェントを導入しても、自社の業務やデータとつながっていなければ、企業独自の競争力にはなりません。

本書は、生成AIを単に使う「AIユーザー」から、自社データとAIプラットフォームを組み合わせて事業価値を生み出す「AI価値創造者」へ移行するための考え方を解説しています。

AI戦略、ユースケースの選定、社内データの活用、モデル選定、信頼性、責任あるAI、エージェントシステムなど、技術と経営の両面を扱っている点が特徴です。

「生成AIで何ができるか」ではなく、「生成AIを既存の業務システムや社内データにつなぎ、どう事業成果へ変えるか」を考えたい人に向いています。

NTTデータが生成AIやAIエージェントを、金融、製造、公共、医療などの業務へ実装していく意味を理解するためにも相性のよい一冊です。

3. クラウド・データ基盤・セキュリティを学ぶ本

📗 『マルチクラウドセキュリティの教科書――クラウド横断で実現する堅牢なセキュリティ基盤』

AI時代のDXでは、システムをクラウドへ移行するだけでなく、複数のクラウド、データ、ID、ネットワーク、監査、セキュリティを横断的に管理する必要があります。

本書は、AWS、Microsoft Azure、Google Cloud、Oracle Cloud Infrastructureという主要クラウドを横断し、クラウドセキュリティの設計と運用を体系的に解説しています。

IAMとアクセス管理、ゼロトラスト、ネットワーク、データ保護、暗号化、DLP、DevSecOps、ログ監視、インシデント対応、監査、コンプライアンスに加え、生成AIに関するセキュリティも扱っています。

NTTデータの強みは、AIモデルを作ることだけではありません。

金融機関や官公庁、大企業の重要なデータを扱いながら、既存システムとクラウドをつなぎ、安全に運用し続けるところにあります。

華やかな生成AIの裏側にある、クラウド基盤、セキュリティ、データ保護、監査の重要性を理解するための一冊です。

免責

本記事は、公開情報をもとに企業のDX・AI活用事例を分析したものです。特定企業の公式見解ではなく、筆者の解釈を含みます。記載内容は公開情報の範囲に基づくものであり、実際の導入効果・運用状況・社内事情を保証するものではありません。自社への適用可否は、業務内容、データ整備状況、システム構成、組織体制により異なります。最終的な判断は、必要に応じて専門家や関係部署に確認してください。

AI・データ・開発の関連書籍をもう少し探したい方は、Book Media Techでテーマ別に比較できます。

Book Media TechでAI・データ・開発の本を探す